CN106092879B - 基于振动响应信息的***复合管结合状态检测方法 - Google Patents
基于振动响应信息的***复合管结合状态检测方法 Download PDFInfo
- Publication number
- CN106092879B CN106092879B CN201610397034.8A CN201610397034A CN106092879B CN 106092879 B CN106092879 B CN 106092879B CN 201610397034 A CN201610397034 A CN 201610397034A CN 106092879 B CN106092879 B CN 106092879B
- Authority
- CN
- China
- Prior art keywords
- dual
- bonding state
- index
- response signal
- tree complex
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N19/00—Investigating materials by mechanical methods
- G01N19/04—Measuring adhesive force between materials, e.g. of sealing tape, of coating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Biochemistry (AREA)
- Computational Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
Abstract
本发明公开了一种基于振动响应信息的***复合管结合状态检测方法,首先通过脉冲激励器对***复合管施加激励,采集复合管的自由衰减振动响应信号;基于振动响应信号特性构造自适应双树复小波基函数,并用于振动响应信号的模态特征分离;提取各阶模态信号的时间熵指标组成原始特征集;基于距离评估技术从原始特征集中选择出最敏感频带的时间熵指标作为检测指标;最后基于检测指标的变化,确定***复合管结合状态。本发明方法利用振动响应信息检测管道结合状态,具有简单、可靠、易行,成本低,实时性强等特点,适用于现场实时检测管道的状态,实现了***复合管结合状态的在线无损检测,具有重要的工程实用价值。
Description
技术领域
本发明涉及机械结构健康状态检测方法,具体涉及一种基于振动响应信息的***复合管结合状态检测方法。
背景技术
***复合管是利用******产生的巨大能量和冲击波,使衬管与基管发生高速碰撞,利用衬管与基管的相对变形使其相互结合,衬管和基管之间没有形成冶金结合界面,衬管和基管的结合主要靠基管和衬管之间的径向残余应力来维持。因此,复合管结合状态的好坏直接影响其在工程中的应用,***复合管的结合状态不良,在服役过程中会出现起皱、鼓包、分离、剥落等缺陷,造成其服役性能下降、失效,甚至引发事故和灾难性后果。因此,有效检测***复合管结合状态,对扩展其应用范围,保证其使用安全性具有重要的工程实用价值。
目前常用的***复合管结合状态检测方法有基于切割、拉伸、剪切和冲击试验等的破坏性抽检方法。这些方法检测成本高,检测效率低,检测误差大且无法实现在线检测。因此,迫切需要一种能够实现结构在线无损检测的方法。
发明内容
本发明的目的是提供一种基于振动响应信息的***复合管结合状态检测方法,解决了现有检测方法存在的检测成本高,检测效率低,检测误差大且无法实现在线检测的问题。
本发明所采用的技术方案是,基于振动响应信息的***复合管结合状态检测方法,包括如下步骤:
步骤1,振动响应信号的获取
通过脉冲激励器对***复合管施加激励,采集复合管的自由衰减振动响应信号;
步骤2,基于振动响应信号特性构造自适应双树复小波基函数,并用于振动响应信号的模态特征分离;
步骤3,提取各阶模态信号的时间熵指标组成原始特征集;
步骤4,基于距离评估技术从原始特征集中选择出最敏感频带的时间熵指标作为检测指标;然后基于检测指标的变化,确定***复合管结合状态。
本发明的特点还在于,
步骤2中首先,根据近似希尔伯特变换对小波基的设计方法构造双树复小波的两个尺度函数H0(z)和G0(z),其构造过程如下式所示:
其中:0≤n≤L-1;Q(z)通过谱分解法得到;K表示小波的消失矩;L表示滤波器的阶数;根据共轭正交滤波器构造法,求得双树复小波的小波函数H1(z)和G1(z);
其次,选择不同的K和L,构造具有不同频响特性的双树复小波基函数组成基函数库,利用基函数库中的小波基函数对振动响应信号x进行2层双树复小波变换,其中第一层变换采用的是一般正交小波变换,以细节信号d的频域峰值指标作为目标函数,选择使目标函数值最大的基函数作为最优双树复小波基函数,假设细节信号{di}的频谱为{fi},频域峰值指标定义为:
最后,基于构造的最优双树复小波基函数对振动响应信号进行模态信息分离;其分解和单支重构过程分别如下所示:
实部分解为:
其中:l为尺度因子;J为分解层数;x(t)为采集的振动响应信号;
虚部分解为:
双树复小波最终输出的分解系数为:
分解后的小波系数进行单支重构:
其中:l为分解尺度,l=1,…,J;n为双树复小波滤波器组长度;
经过双树复小波变换后,振动响应信号中的模态信息将以最小的模态混叠分解到不同的频带中。
步骤3的具体实施步骤如下:
假设{d(t),t=1,2,...M}为某一阶模态信号,计算信号的能量分布:
E(t)=d(t)2
将E(t)区间分成K个子区间,并计算各子区间的概率:
则该模态信号{d(t),t=1,2,...M}的时间熵为:
计算所有模态信号时间熵组成特征集:Hd1,…,HdJ,HcJ。
步骤4的具体实施步骤如下:
将第j个特征的评估因子,定义为:
其中,表示第j个特征C个类的类间距离的平均值;表示第j个特征C个类的类内距离的平均值,αj的大小反映了第j个特征对C个类进行分类的难易程度,αj越大表示第j个特征越敏感,更容易对C个类进行分类;
选择最大评估因子αj所对应的时间熵特征作为管道检测指标,检测指标(敏感时间熵)随着管道结合状态的变差而变小;即检测指标值越小,说明管道结合状态越差。
本发明的有益效果是,本发明基于振动响应信息的***复合管结合状态检测方法,利用自适应双树复小波实现对多模态耦合信号的有效分离、基于单模态信号分别从时域和频域构造敏感特征指标,实现了***复合管结合状态的有效检测。其优点是,利用振动响应信息检测管道结合状态,具有简单、可靠、易行,成本低,实时性强等特点,适用于现场实时检测管道的状态,实现了***复合管结合状态的在线无损检测,具有重要的工程实用价值。
附图说明
图1为本发明***复合管结合状态检测流程图;
图2为复合管实验装置;
图中,1.力锤,2.复合管,3.加速度传感器,4.V型槽;
图3为由图2装置采集的标准管的振动响应信号,图中横坐标表示时间,单位为s;纵坐标表示振动幅值,单位为g;
图4为图3振动响应信号的频谱图,图中横坐标表示频率,单位为Hz;纵坐标表示频率幅值,单位为g;
图5为基于振动响应信号构造的最优双树复小波基函数的时域波形图,图中横坐标表示时间,单位为s;纵坐标表示幅值,单位为g;
图6为基于构造的最优双树复小波基函数对振动响应信号进行4层双树复小波变换的结果图,图中横坐标表示时间,单位为s;纵坐标表示幅值,单位为g;
图7为图6中分解结果的频谱图,图中横坐标表示频率,单位为Hz;纵坐标表示幅值,单位为g;
图8基于距离评估技术的敏感特征评估图,图中横坐标表示样本,纵坐标表示特征评估因子;
图9为采用本发明方法的三种状态复合管检测结果,图中横坐标表示3种不同状态的样本,纵坐标表示指标的值。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
参照图1所示,为本发明***复合管结合状态检测流程图,通过施加脉冲激励,获得结构的自由衰减振动响应信息;基于振动信号特性构造自适应双树复小波基函数,并用于振动响应信号的模态特征分离,再分别提取每个频带中单模态信号的时间熵指标组成原始特征集;基于距离评估技术从原始特征集中选择出最敏感频带的时间熵指标作为检测指标。基于检测指标的变化,确定检测管道状态。指标值越大,管道结合状态越好。
本发明基于振动响应信息的***复合管结合状态检测方法,按以下具体步骤实施:
(1)振动响应信息的获取
参考图2,采用V型槽4将复合管2两端简支支撑,通过力锤1在复合管2左端1/10~1/5位置之间施加脉冲激励,在距离左端3/5的位置用加速度传感器3采集响应信号。
(2)基于自适应双树复小波变换的多模态特征分离。
首先,根据近似希尔伯特变换对小波基的设计方法构造双树复小波的两个尺度函数H0(z)和G0(z),其构造过程如下式所示:
其中:0≤n≤L-1;Q(z)可以通过谱分解法得到;K表示小波的消失矩;L表示滤波器的阶数。根据共轭正交滤波器构造法,求得双树复小波的小波函数H1(z)和G1(z)。
其次,选择不同的K和L,构造具有不同频响特性的双树复小波基函数组成基函数库,利用基函数库中的小波基函数对振动响应信号x进行2层双树复小波变换(其中第一层变换采用的是一般正交小波变换),以细节信号d的频域峰值指标作为目标函数,选择使目标函数值最大的基函数作为最优双树复小波基函数。假设细节信号{di}的频谱为{fi},频域峰值指标定义为:
最后,基于构造的最优双树复小波基函数对振动响应信号进行模态信息分离。其分解和单支重构过程分别如下所示。
实部分解为:
其中:l为尺度因子;J为分解层数;x(t)为采集的振动响应信号。
虚部分解为:
双树复小波最终输出的分解系数为:
分解后的小波系数进行单支重构:
其中:l为分解尺度,l=1,…,J;n为双树复小波滤波器组长度;
经过双树复小波变换后,振动响应信号中的模态信息将以最小的模态混叠分解到不同的频带中。
(3)提取各阶模态信号的时间熵指标:
假设{d(t),t=1,2,...M}为某一阶模态信号,计算信号的能量分布:
E(t)=d(t)2
将E(t)区间分成K个子区间,并计算各子区间的概率:
则该模态信号{d(t),t=1,2,...M}的时间熵为:
计算所有模态信号时间熵组成特征集:Hd1,…,HdJ,HcJ。
(4)基于距离评估技术的特征敏感程度的确定
将第j个特征的评估因子,定义为:
其中,表示第j个特征C个类的类间距离的平均值;表示第j个特征C个类的类内距离的平均值,αj的大小反映了第j个特征对C个类进行分类的难易程度,αj越大表示第j个特征越敏感,更容易对C个类进行分类。
(5)检测指标的确定及管道状态的检测
选择最大评估因子αj所对应的时间熵特征作为管道检测指标。检测指标(敏感时间熵)随着管道结合状态的变差而变小。即检测指标值越小,说明管道结合状态越差。
以下给出一个具体应用实例过程,同时验证了本发明在工程应用中的有效性。
设计制作一组结合不良程度不同的复合管,该类管道由碳钢外管和不锈钢内管组成。1#管为结合状态良好的标准管,2#,3#分别为具有小损伤,大损伤的结合不良的复合管。3种管道的具体参数如表1所示,从表1中可以看出,所有管道都是等材质,等外径,等壁厚和等长度的基管和衬管同轴装配得到的。
实验装置如图2所示,采用V型槽将复合管两端简支支撑,通过力锤在复合管左端1/10~1/5位置之间施加脉冲激励,在距离左端3/5的位置用加速度传感器测量响应信号,数据采集仪采集加速度响应信号。采样频率为2048Hz,采集点数为2000。采集的1#管时域信号及其频谱如图3和图4所示。基于响应信号构造的最优双树复小波基函数如图5所示,利用其对振动响应信号进行4层双树复小波变换,结果如图6和图7所示。从图中可知,各阶模态信号被成功分解到不同的频带中。然后,计算各个频带信号的时间熵值组成特征集,并基于距离评估技术从特征集中选择出最敏感特征,如图8所示。最敏感特征作为管道检测指标,基于检测指标的检测结果如图9和表2所示,从图和表2中可知,标准管道的指标值最大,随着管道损伤的增加,指标值在减小。说明所构造的检测指标可以作为判断管道结合状态的指示指标。
表1复合管基本尺寸参数
表2基于检测指标的管道检测结果
本发明基于振动响应信息的方法利用管道在某种激励下产生的振动响应信息检测管道特性,为检测***复合管结合状态提供了方便、有效的途径。当管道结合状态存在不同程度的损伤时,结构的动力学特性,如刚度、阻尼等会发生改变,表现为在外部激励下结构振动响应信息的变化。因此,分析***复合管在不同程度缺陷下的振动响应信息的差异性,构造有效描述该差异性的敏感特征指标,基于敏感指标变化检测结构结合状态是一种有效的技术途径。
该方法精度高、成本低、简单可靠,可实现复合管在线无损检测,便于应用在工程实际中。
Claims (2)
1.基于振动响应信息的***复合管结合状态检测方法,其特征在于,包括如下步骤:
步骤1,振动响应信号的获取
通过脉冲激励器对***复合管施加激励,采集复合管的自由衰减振动响应信号;
步骤2,基于振动响应信号特性构造自适应双树复小波基函数,并用于振动响应信号的模态特征分离,具体为:
首先,根据近似希尔伯特变换对小波基的设计方法构造双树复小波的两个尺度函数H0(z)和G0(z),其构造过程如下式所示:
其中:0≤n≤L-1;Q(z)通过谱分解法得到;K表示小波的消失矩;L表示滤波器的阶数;根据共轭正交滤波器构造法,求得双树复小波的小波函数H1(z)和G1(z);
其次,选择不同的K和L,构造具有不同频响特性的双树复小波基函数组成基函数库,利用基函数库中的小波基函数对振动响应信号x进行2层双树复小波变换,其中第一层变换采用的是一般正交小波变换,以细节信号d的频域峰值指标作为目标函数,选择使目标函数值最大的基函数作为最优双树复小波基函数,假设细节信号{di}的频谱为{fi},频域峰值指标定义为:
最后,基于构造的最优双树复小波基函数对振动响应信号进行模态信息分离;其分解和单支重构过程分别如下所示:
实部分解为:
其中:l为尺度因子;J为分解层数;x(t)为采集的振动响应信号;
虚部分解为:
双树复小波最终输出的分解系数为:
分解后的小波系数进行单支重构:
其中:l为分解尺度,l=1,…,J;n为双树复小波滤波器组长度;
经过双树复小波变换后,振动响应信号中的模态信息将以最小的模态混叠分解到不同的频带中;
步骤3,提取各阶模态信号的时间熵指标组成原始特征集,具体实施步骤如下:
假设{d(t),t=1,2,...M}为某一阶模态信号,计算信号的能量分布:
E(t)=d(t)2
将E(t)区间分成K个子区间,并计算各子区间的概率:
则该模态信号{d(t),t=1,2,...M}的时间熵为:
计算所有模态信号时间熵组成特征集:Hd1,…,HdJ,HcJ;
步骤4,基于距离评估技术从原始特征集中选择出最敏感频带的时间熵指标作为检测指标;然后基于检测指标的变化,确定***复合管结合状态。
2.根据权利要求1所述的基于振动响应信息的***复合管结合状态检测方法,其特征在于,步骤4的具体实施步骤如下:
将第j个特征的评估因子,定义为:
其中,表示第j个特征C个类的类间距离的平均值;表示第j个特征C个类的类内距离的平均值,αj的大小反映了第j个特征对C个类进行分类的难易程度,αj越大表示第j个特征越敏感,更容易对C个类进行分类;
选择最大评估因子αj所对应的时间熵特征作为管道检测指标,检测指标随着管道结合状态的变差而变小;即检测指标值越小,说明管道结合状态越差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610397034.8A CN106092879B (zh) | 2016-06-07 | 2016-06-07 | 基于振动响应信息的***复合管结合状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610397034.8A CN106092879B (zh) | 2016-06-07 | 2016-06-07 | 基于振动响应信息的***复合管结合状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106092879A CN106092879A (zh) | 2016-11-09 |
CN106092879B true CN106092879B (zh) | 2019-07-12 |
Family
ID=57448518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610397034.8A Active CN106092879B (zh) | 2016-06-07 | 2016-06-07 | 基于振动响应信息的***复合管结合状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106092879B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108956764B (zh) * | 2018-06-06 | 2021-01-15 | 西安理工大学 | 一种***复合管结合状态定量识别方法 |
CN109506907B (zh) * | 2018-11-06 | 2020-05-22 | 西安交通大学 | 一种基于振动响应信息的螺栓连接结构松动状态识别方法 |
CN110530787B (zh) * | 2019-09-05 | 2022-05-24 | 西安近代化学研究所 | 一种基于多次脉冲试验的***应力测试装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1869972A (zh) * | 2006-06-15 | 2006-11-29 | 沈阳建筑大学 | 改进希-黄变换的结构响应分析方法 |
CN101271521A (zh) * | 2008-05-13 | 2008-09-24 | 清华大学 | 基于各向异性双树复小波包变换的人脸识别方法 |
CN101799354A (zh) * | 2010-02-09 | 2010-08-11 | 西安交通大学 | 一种航空发动机转子装配性能检测方法 |
CN102937522A (zh) * | 2012-08-30 | 2013-02-20 | 桂林电子科技大学 | 一种齿轮箱复合故障诊断方法及*** |
CN103499437A (zh) * | 2013-09-11 | 2014-01-08 | 西安交通大学 | 可调品质因子双树复小波变换的旋转机械故障检测方法 |
CN103776901A (zh) * | 2013-12-30 | 2014-05-07 | 西安交通大学 | 基于振动响应信息的粘***层结构老化状态识别方法 |
WO2014160134A1 (en) * | 2013-03-13 | 2014-10-02 | Lord Corporation | Method for determining adhesive bondline thickness |
CN105426822A (zh) * | 2015-11-05 | 2016-03-23 | 郑州轻工业学院 | 基于双树复小波变换的非平稳信号多重分形特征提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130275096A1 (en) * | 2012-04-16 | 2013-10-17 | International Business Machines Corporation | Solder Joint Fatigue Life Prediction Method |
-
2016
- 2016-06-07 CN CN201610397034.8A patent/CN106092879B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1869972A (zh) * | 2006-06-15 | 2006-11-29 | 沈阳建筑大学 | 改进希-黄变换的结构响应分析方法 |
CN101271521A (zh) * | 2008-05-13 | 2008-09-24 | 清华大学 | 基于各向异性双树复小波包变换的人脸识别方法 |
CN101799354A (zh) * | 2010-02-09 | 2010-08-11 | 西安交通大学 | 一种航空发动机转子装配性能检测方法 |
CN102937522A (zh) * | 2012-08-30 | 2013-02-20 | 桂林电子科技大学 | 一种齿轮箱复合故障诊断方法及*** |
WO2014160134A1 (en) * | 2013-03-13 | 2014-10-02 | Lord Corporation | Method for determining adhesive bondline thickness |
CN103499437A (zh) * | 2013-09-11 | 2014-01-08 | 西安交通大学 | 可调品质因子双树复小波变换的旋转机械故障检测方法 |
CN103776901A (zh) * | 2013-12-30 | 2014-05-07 | 西安交通大学 | 基于振动响应信息的粘***层结构老化状态识别方法 |
CN105426822A (zh) * | 2015-11-05 | 2016-03-23 | 郑州轻工业学院 | 基于双树复小波变换的非平稳信号多重分形特征提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106092879A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112232400A (zh) | 一种基于深浅特征融合的不锈钢焊缝超声缺陷检测方法 | |
Yu et al. | Advanced signal processing for enhanced damage detection with piezoelectric wafer active sensors | |
Rizzo et al. | Defect classification in pipes by neural networks using multiple guided ultrasonic wave features extracted after wavelet processing | |
CN106092879B (zh) | 基于振动响应信息的***复合管结合状态检测方法 | |
CN103760243A (zh) | 一种微裂纹无损检测装置及方法 | |
CN103940908B (zh) | 基于dbscan及互相关算法的超声检测装置及方法 | |
CN1743839A (zh) | 一种结构缺陷超声在线智能识别***及识别方法 | |
Fletcher et al. | Detection of axial cracks in pipes using focused guided waves | |
US6581014B2 (en) | Apparatus and method for analysis of guided ultrasonic waves | |
CN107121501A (zh) | 一种汽轮机叶轮缺陷分类方法 | |
Demma | The interaction of guided waves with discontinuities in structures | |
Tang et al. | A method based on SVD for detecting the defect using the magnetostrictive guided wave technique | |
Wang et al. | Time-frequency characteristics of longitudinal modes in symmetric mode conversion for defect characterization in guided waves-based pipeline inspection | |
Bandara et al. | Health monitoring of timber poles using time–frequency analysis techniques and stress wave propagation | |
CN2809640Y (zh) | 一种结构缺陷超声在线智能识别*** | |
Ho et al. | Ultrasonic Lamb wave tomography using scanned EMATs and wavelet processing | |
CN106769734A (zh) | 一种超声波聚焦式河流泥沙浓度在线测量方法 | |
CN103954628B (zh) | 联合eemd和近似熵的钢管损伤监控方法 | |
Ahmad et al. | Pipe wall damage detection in buried pipes using guided waves | |
Lei et al. | Ultrasonic pig for submarine oil pipeline corrosion inspection | |
CN1258078C (zh) | 基于瑞利表面波的无损测压方法 | |
CN110285332B (zh) | 一种基于声学脉冲压缩的天然气管道安全监测方法 | |
CN108195934B (zh) | 基于时频分析的超声导波检测频率优选方法 | |
CN108956764B (zh) | 一种***复合管结合状态定量识别方法 | |
CN102539541A (zh) | 一种各向同性块体材料瑞利波非接触式波速提取的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |